資料平臺 Kaggle 近日釋出了 2017 機器學習及資料科學調查報告，這也是 Kaggle 首次進行全行業調查。調查共收到超過 16000 份回覆，受訪內容包括最受歡迎的程式語言、不同國家資料科學家的平均年齡、不同國家的平均年薪等。
下面主要看看工具使用方面的結果。請注意，該報告包含多個國家的資料，可能存在收集不夠全面的情況，僅供參考。
年齡
從全球範圍來看，本次調查物件的平均年齡在 30 歲左右。當然，各個國家的數值會有差異，中國的機器學習從業者年齡的中位數是 25 歲。
全球全職工作者為 65.7% ，其中中國為 53.% ，美國佔比較高，達 70.9% 。
Logistic 迴歸是除了軍事和國安領域外，最常用的資料科學研究方法。在軍事和國防安全領域，神經網路被使用更多。
在工具語言使用方面，Python是資料科學家使用最多的語言。同時，統計學家對 R 語言的忠誠度很高。
關係型資料是最常用的資料型別，學術研究者和國防安全領域則更親睞文字和影像。
Git 是他們最常用的程式碼共享和託管方式。
Dirty Data （髒資料）是從業者遇到的最大障礙。此外，理解不同演算法的能力不夠也是困擾資料工作者的一大障礙。缺乏有效管理和資金支援，是面臨的兩大外在困境。
有趣的是，只使用 Python 或只使用 R 的都覺得他們做出了正確的選擇。 但是，如果你去詢問那些既使用 Python 也使用 R 的人，推薦使用 Python 的可能會是 R 的兩倍。
資料科學是個變化極快的領域，業內人員需要不斷更新知識體系，才可以在業內保持一定地位，不被時代淘汰。Stack Overflow Q&A、Conferences 和 Podcasts 是已從業者經常使用的學習平臺。
更多內容可點此查閱完整報告。